System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 国产成人无码精品久久二区三区,国产午夜无码片在线观看,久久伊人中文无码
  • 
    <ul id="o6k0g"></ul>
    <ul id="o6k0g"></ul>

    一種基于星地大數據遷移應用的多源固廢數據補充方法技術

    技術編號:44407794 閱讀:2 留言:0更新日期:2025-02-25 10:20
    本發明專利技術屬于環境工程領域,尤其涉及一種基于星地大數據遷移應用的多源固廢數據補充方法。本發明專利技術目的是解決現有技術存在數據稀缺區域缺乏分析建模啟動固廢數據,導致預測模型的預測結果準確率低的問題。提出了一種基于星地大數據遷移應用的多源固廢數據補充方法,構建多源固廢數據補充模型;構建SARIMA模型;采集待補充多源固廢數據區域的解釋變量數據,將待補充多源固廢數據區域的解釋變量數據輸入訓練好的多源固廢數據補充模型中,得到待補充多源固廢數據區域的年度固廢垃圾產量;將待補充多源固廢數據區域的年度固廢垃圾產量,輸入訓練好的SARIMA模型,得到待補充多源固廢數據區域的月度固廢垃圾產量。解決了預測模型的預測結果準確率低的問題。

    【技術實現步驟摘要】

    本專利技術屬于環境工程領域,尤其涉及一種基于星地大數據遷移應用的多源固廢數據補充方法


    技術介紹

    1、圍繞高質量發展主題,改善城市環境質量的要求不斷提高,對于生活垃圾減量化、再利用、資源化的需求愈加迫切,對我國生活垃圾分類和處理工作提出了新的更高要求。在現代城市中,工業廢棄物、危險廢物和可回收垃圾等多種固體廢棄物的產生量日益增加,傳統的垃圾處理方式已難以應對這些多源固廢的復雜性和多樣性。對這些廢物進行科學有效的分類回收,不僅有助于減少環境污染,降低資源浪費,還能提高廢物處理的效率和資源的再利用率。特別是危險廢物的妥善管理,能夠防止有害物質對人體健康和生態系統的潛在威脅。多源固體廢物的分類管理不僅有助于改善城市環境質量,還能夠提升公眾的環保意識,推動社會向綠色低碳方向發展。因此,推動垃圾分類回收具有重要的環境、經濟和社會意義。

    2、在此背景下,構建一種新穎的預測方法,能夠精準預測不同類型固廢的產生和分布,對制定更加高效的廢物管理策略至關重要。但是城市多源固廢產生量的精準預測仍然面臨挑戰,

    3、目前的垃圾預測方法主要基于統計數據,因為統計數據往往稀缺不連續,尺度粗糙,僅公開年度總量信息,缺乏不同品類固廢的細致產量數據,難以構建有效的預測模型。因此提出本專利技術,構建基于歷史不連續數據的多固廢組分協同遷移預測框架,基于歷史產廢規律充分釋放數據價值,利用機器學習與深度學習相結合,以實現多種固廢的協同精準預測,并實現預測結果的外推,為多源固廢精準管理提供充足數據。


    技術實現思路</p>

    1、本專利技術目的是解決現有技術存在數據稀缺區域缺乏分析建模啟動固廢數據,導致預測模型的預測結果準確率低的問題。提出了一種基于星地大數據遷移應用的多源固廢數據補充方法,包括以下步驟:

    2、一、構建多源固廢數據補充模型;得到訓練好的多源固廢數據補充模型;構建sarima模型,得到訓練好的sarima模型;

    3、二、采集待補充多源固廢數據區域的解釋變量數據(即星地大數據),將待補充多源固廢數據區域的解釋變量數據輸入訓練好的多源固廢數據補充模型中,得到待補充多源固廢數據區域的年度固廢垃圾產量;

    4、三、將待補充多源固廢數據區域的年度固廢垃圾產量,輸入訓練好的sarima模型,得到待補充多源固廢數據區域的月度固廢垃圾產量

    5、所述一中構建多源固廢數據補充模型;得到訓練好的多源固廢數據補充模型;

    6、構建sarima模型,得到訓練好的sarima模型;具體過程為:

    7、步驟一:采集歷史解釋變量數據集;

    8、基于網絡開源的星地大數據,采集全部可采集的時間段、空間范圍中建模所需的解釋變量;

    9、所述歷史解釋變量數據包括:年度解釋變量數據;月度解釋變量數據;

    10、步驟二:采集歷史目標變量數據集;

    11、所述歷史目標變量數據集包括:行政區內年度固廢垃圾產量、行政區內月度固廢垃圾產量;所述固廢垃圾種類個數為y,y為正整數;

    12、所述行政區包括:市級行政區、縣級行政區、區級行政區;

    13、大致來說即在全國范圍采集市、縣、區級、年與月尺度的4大類固廢垃圾產量,具體分類根據實際情況共有y種,

    14、步驟三:根據步驟一采集的歷史解釋變量數據集和步驟二采集的歷史目標變量數據集構成訓練樣本數據集;

    15、對訓練樣本數據集進行數據增強,得到增強后的訓練樣本數據集;

    16、步驟四:根據目標變量中垃圾種類個數,構建z個基回歸模型組,z=y;

    17、每個基回歸模型組均與一個垃圾種類相對應;

    18、步驟五:構建邏輯回歸元模型;

    19、步驟六:根據步驟四得到的z個基回歸模型組和步驟五得到的邏輯回歸元模型構建多源固廢數據補充模型;根據步驟三得到的增強后的訓練樣本數據集對多源固廢數據補充模型進行訓練,得到訓練好的多源固廢數據補充模型;

    20、步驟七:構建sarima模型,根據步驟三得到的增強后的訓練樣本數據集,對sarima模型進行訓練,得到訓練好的sarima模型。

    21、sarima(季節性自回歸積分滑動平均)模型是一種用于時間序列分析的現有統計模型;本專利技術采用sarima模型用于分析解歷史月度固廢的時間自回歸特征,預測不同種類固廢在不同月份的產生量,計算現有固廢數據的每月垃圾產生量占現有全年固廢量的占比,

    22、即根據訓練好的sarima模型得到不同種類固廢各個月度在每年中的占比;基于sarima模型可以解析的不同種類固廢各個月度在每年中的占比,與預測的年度產量相乘,得到數據缺失區域的每個月不同種類固廢產生量,實現數據有限場景下有數據區域向無數據區域的遷移學習。

    23、本專利技術的有益效果為:

    24、本方法的核心創新點是通過跨區域遷移學習技術,將在數據充足區域訓練的多種基固廢預測模型,對星地大數據進行擬合訓練,避免了單一模型預測的局限性;

    25、以元模型集成的形式整合了多種基固廢預測模型,并將其他數據遷移到數據稀缺區域,并結合特征微調增強,提升了固廢產量預測模型的預測能力。

    26、本專利技術最大程度的釋放了數據價值,突破性地解決了數據稀缺區域固廢缺乏分析建模啟動數據,預測與管理困難的問題,在實現區域間固廢產生特征知識轉移的同時,顯著提高了預測模型的應用廣度,為城市場景下多源固體廢物的協同管理提供幫助。

    本文檔來自技高網...

    【技術保護點】

    1.一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,包括以下步驟:

    2.根據權利要求1所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,所述一中構建多源固廢數據補充模型;得到訓練好的多源固廢數據補充模型;

    3.根據權利要求2所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,

    4.根據權利要求3所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,所述步驟二中固廢垃圾種類個數Y為20;所述固廢垃圾種類包括:餐飲垃圾、廚余垃圾、其他垃圾、有害垃圾,大宗廢物;煤矸石、粉煤灰、冶煉渣、化工廢渣、建筑廢料;廢礦物油、廢酸、廢堿、廢有機溶劑、醫療廢物;廢金屬、廢玻璃、廢織物、廢紙、廢塑料。

    5.根據權利要求4所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,所述步驟三中根據步驟一采集的歷史解釋變量數據集和步驟二采集的歷史目標變量數據集構成訓練樣本數據集;具體過程為:

    6.根據權利要求5所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,所述步驟三一中對訓練樣本數據中其中一個訓練樣本數據進行時間平移處理,得到一個時間平移處理后的訓練樣本數據的具體過程為:

    7.根據權利要求6所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,所述步驟四中根據目標變量中垃圾種類構建Z個基回歸模型組,具體過程為:

    8.根據權利要求7所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,所述步驟五中構建邏輯回歸元模型的具體過程為:

    9.根據權利要求8所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,所述步驟六中根據步驟四得到的Z個基回歸模型組和步驟五得到的邏輯回歸元模型構建多源固廢數據補充模型;具體過程為:

    10.根據權利要求9所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,所述步驟六一中將增強后的訓練樣本數據集中第yi種固廢垃圾數據輸入第zi個基回歸模型組,得到第ri種固廢垃圾產量的預測結果,yi∈Y,zi∈Z,ri∈R;具體過程為:

    ...

    【技術特征摘要】

    1.一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,包括以下步驟:

    2.根據權利要求1所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,所述一中構建多源固廢數據補充模型;得到訓練好的多源固廢數據補充模型;

    3.根據權利要求2所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,

    4.根據權利要求3所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,所述步驟二中固廢垃圾種類個數y為20;所述固廢垃圾種類包括:餐飲垃圾、廚余垃圾、其他垃圾、有害垃圾,大宗廢物;煤矸石、粉煤灰、冶煉渣、化工廢渣、建筑廢料;廢礦物油、廢酸、廢堿、廢有機溶劑、醫療廢物;廢金屬、廢玻璃、廢織物、廢紙、廢塑料。

    5.根據權利要求4所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,所述步驟三中根據步驟一采集的歷史解釋變量數據集和步驟二采集的歷史目標變量數據集構成訓練樣本數據集;具體過程為:

    6.根據權利要求5所述的一種基于星地大數據...

    【專利技術屬性】
    技術研發人員:田禹趙天瑞李維嘉任南琪
    申請(專利權)人:哈爾濱工業大學
    類型:發明
    國別省市:

    網友詢問留言 已有0條評論
    • 還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。

    1
    主站蜘蛛池模板: 国产强伦姧在线观看无码| 一级片无码中文字幕乱伦| 国产丰满乱子伦无码专| 精品无码综合一区二区三区| 亚洲成A人片在线观看无码3D | 精品人妻系列无码一区二区三区| 92午夜少妇极品福利无码电影 | 日韩精品无码Av一区二区| 2014AV天堂无码一区| 无码人妻av一区二区三区蜜臀| 无码孕妇孕交在线观看| 精品无码国产一区二区三区麻豆| 人妻丝袜中文无码av影音先锋专区| 激情无码人妻又粗又大| 在线观看成人无码中文av天堂| 野花在线无码视频在线播放 | 人妻丰满熟妇AV无码片| 久久99久久无码毛片一区二区 | 日本无码色情三级播放| 国产精品无码一区二区三区免费 | 18禁无遮拦无码国产在线播放| 中文成人无码精品久久久不卡| 在线A级毛片无码免费真人| 无码人妻啪啪一区二区| 亚洲av无码专区在线电影| 久久久久无码精品国产| 精品无码AV一区二区三区不卡| 日韩精品专区AV无码| 无码人妻精品一区二区三区在线| 精品久久久久久无码免费| 中文无码精品一区二区三区| 国产在线观看无码免费视频| 亚洲AV无码乱码在线观看牲色| 亚洲&#228;v永久无码精品天堂久久| 色欲AV永久无码精品无码| 免费无码看av的网站| 国产精品无码专区在线观看| 日韩va中文字幕无码电影| 亚洲成A人片在线观看无码不卡 | 人妻丰满AV无码久久不卡| 精品无码国产一区二区三区AV|